研究团队提出RACE风险感知边缘推理控制框架

Amin Farajzadeh与Melike Erol-Kantarci在arXiv提交论文，提出面向6G网络Physical AI的风险感知边缘推理控制框架RACE。该框架根据预测的动作失败概率与任务关键度自适应设定SINR目标，并结合截止时间约束进行资源分配。 框架设计上，由慢时间尺度的大语言模型提出任务需求供确定性验证，快速的混合actor则负责选择推理配置与发射功率。仿真结果显示，相比固定高SINR控制，RACE的平均精度-时延-能耗目标提升11%，约束违规接近零。

AI 根据报道生成 · 16 分钟前更新

还没有足够的连续观测数据，暂不绘制趋势。